高密度机场飞行区航空器滑行态势感知方法技术

本发明专利技术公开了一种高密度机场飞行区航空器滑行态势感知方法。通过深入挖掘与关联分析高密度机场飞行区空中交通运行数据，对进离场航空器滑行态势要素进行分类提炼与准确识别，分析各类航空器滑行态势因子之间的相互影响关系，在获取高密度机场飞行区实时运行数据和进离场航空器运行状态的基础上，对航空器当前及未来滑行态势进行快速和准确感知，对于增强高密度机场飞行区运行活动的宏观分析能力，提升高密度机场飞行区进离场航空器的精细化管理水平等具有重要意义。本发明专利技术有效解决了高密度机场飞行区进离场航空器滑行态势的宏观分析难题，填补了国内外在航空器滑行态势感知方面的技术空白。

【技术实现步骤摘要】

：本专利技术涉及一种航空器滑行态势感知方法，尤其涉及一种适用于高密度机场飞行区活动的航空器滑行态势感知方法，属于机场运行信息感知与识别领域。
技术介绍
：随着我国航空运输业持续、快速和蓬勃发展，民用航空器数量不断增长，机场空中交通已呈现愈发复杂的运行趋势。特别是在高密度机场飞行区，大流量、小间隔的航空器运行特点十分明显，且航空器滑行过程复杂多变，进离场活动之间的协同作用和耦合管理程度不断增加，如何准确把握高密度运行条件下航空器的整体滑行态势，对机场飞行区空中交通运行活动进行快速感知，已成为航空运输业迫切需要攻克的技术瓶颈。航空器滑行过程具有高度的复杂性、随机性和不确定性，当前对航空器滑行过程的管理大多集中于滑行道、停机位等单一或多元场面资源的优化配置问题，由于在场面资源配置之前无法准确感知飞行区内航空器的整体滑行态势，导致机场运行指挥人员和空中交通管理人员无法对高密度机场飞行区内每一架航空器当前及未来的滑行态势进行准确评估和预测，所提出的场面资源配置方案并不能满足机场实时运行层面的滑行过程控制需求。目前，国内外在航空器滑行态势感知方面的技术成果非常少，仍存在一定的领域空白。因此，亟需采用一种高效的航空器滑行态势感知方法，对高密度机场飞行区航空器当前滑行态势及未来滑行态势进行科学、准确和快速感知，这对于增强航空器场面滑行过程宏观预测能力，提升航空器飞行区活动的精细化管理水平具有重要意义。
技术实现思路
：本专利技术所要解决的技术问题在于克服现有技术的不足，提供一种高密度机场飞行区航空器滑行态势感知方法，可显著增强高密度机场飞行区运行活动的宏观分析能力，提升高密度机场飞行区进离场航空器的精细化管理水平。本专利技术通过深入挖掘与关联分析高密度机场飞行区空中交通运行数据，全面分析各类航空器滑行态势因子之间的相互影响关系，对航空器的当前滑行态势及未来滑行态势进行综合评估与准确预测。实现此方法的技术方案如下：步骤一：进行一级态势感知，本质是航空器滑行数据获取，即对高密度机场飞行区空中交通运行数据进行采集、预处理、深度挖掘与关联分析，具体包括以下子步骤：(1.1)调研采集典型高密度机场飞行区空中交通运行数据，对空中交通管理部门、机场运行指挥部门、航空公司运行控制部门等不同航空运输参与方涉及到的多源异构航空器滑行数据进行预处理与统计分析；(1.2)对预处理后的航空器滑行数据进行深度挖掘与关联分析，提取航空器基本属性以及推出机位、跑道起飞、跑道降落、滑入机位等关键运行事件以及对应的时间点信息；(1.3)将所有进离场航空器在飞行区内运行的关键时间点信息进行存储，建立高密度机场飞行区航空器滑行活动OOOI时间库。步骤二：进行二级态势感知，本质是航空器滑行状态理解，即对高密度机场飞行区进离场航空器的当前滑行态势进行评估，具体包括以下子步骤：(2.1)分类提炼高密度机场飞行区航空器滑行态势要素，构建涵盖场面瞬时流量因子、场面累计流量因子、起降队列长度因子、时隙资源需求因子和场面滑行时间因子等5大类、26个因子的航空器滑行态势因子集合；(2.2)针对每一架进场航空器和离场航空器，对步骤(2.1)中的5大类、26个航空器滑行态势因子进行快速识别；(2.3)采用单因素相关性分析方法，对步骤(2.1)中的5大类航空器滑行态势因子之间的相互影响关系进行综合分析，重点明确进离场航空器场面滑行时间因子与其它四类滑行态势因子之间的相关性，在此基础上综合评估航空器当前滑行态势。步骤三：进行三级态势感知，本质是航空器滑行趋势预测，即对高密度机场飞行区进离场航空器的未来滑行态势进行预测，具体包括以下子步骤：(3.1)基于各类航空器滑行态势因子相关性分析结果，以场面滑行时间因子为因变量，以场面瞬时流量因子、场面累计流量因子、起降队列长度因子和时隙资源需求因子为自变量，建立基于多元回归的航空器场面滑行时间预测模型；(3.2)根据高密度机场飞行区运行管理需求动态设置滑行态势预测时段，建立待预测滑行态势的航空器集合，明确进离场航空器的计划进离场时间及场面资源使用等信息；(3.3)以待预测滑行态势的航空器集合中每一架进离场航空器为对象，执行滑行态势预测迭代过程，迭代编号n＝1，迭代收敛参数ε＝1，初始迭代参数其中σ(0)，分别为初始场面瞬时流量因子、初始场面累计流量因子、初始起降队列长度因子、初始时隙资源需求因子；(3.4)采用步骤(3.1)建立的基于多元回归的航空器场面滑行时间预测模型，结合初始迭代参数计算航空器进场滑行时间τa(n)或离场滑行时间τd(n)；(3.5)根据航空器的预计进场时间ea或预计离场时间ed，结合步骤(3.4)预测得到的进场滑行时间τa(n)或离场滑行时间τd(n)，计算进离场航空器的跑道起降时间：ra(n)＝ea-τa(n)；rd(n)＝ed+τd(n)；(3.6)判断当前空中交通运行需求是否满足跑道容量包络线限制，若需求未超出容量，则直接转入步骤(3.7)；若需求超出容量，则根据跑道容量包络线对空中交通流量进行调配，将上一个时间窗超出容量的需求移入下一个时间窗，以此类推；(3.7)计算第n次迭代过程对应的迭代参数，即对场面瞬时流量因子场面累计流量因子σ(n)、起降队列长度因子时隙资源需求因子等滑行态势因子进行预测；(3.8)与步骤(3.4)类似，采用步骤(3.1)建立的基于多元回归的航空器场面滑行时间预测模型，结合步骤(3.7)得到的第n次迭代参数对航空器进场滑行时间τa(n)或离场滑行时间τd(n)进行更新，计算得到航空器进场滑行时间τa(n+1)或离场滑行时间τd(n+1)；(3.9)判断当前迭代过程对应的航空器滑行时间是否收敛：|τa(n+1)-τa(n)|＜ε；|τd(n+1)-τd(n)|＜ε；若进场航空器或离场航空器的场面滑行时间满足上述两式之一，则对当前航空器未来的滑行态势预测结束，转入步骤(3.10)；否则，更新迭代编号，令n＝n+1，转入步骤(3.5)执行当前航空器的下一次迭代过程；(3.10)判断当前航空器在待预测滑行态势的航空器集合中的编号，若为最后一架航空器，则所有航空器滑行态势预测均已完成，输出高密度机场飞行区航空器滑行态势感知信息；否则，转入步骤(3.3)对下一架航空器的未来滑行态势进行预测。本专利技术具有如下有益效果：本专利技术提出的高密度机场飞行区航空器滑行态势感知方法，可对任意一架航空器的当前滑行态势和未来滑行态势进行综合评估与准确预测，有效解决了高密度机场飞行区进离场航空器滑行态势的宏观分析难题，填补了国内外在航空器滑行态势感知方面的技术空白。附图说明：图1为高密度机场飞行区航空器滑行态势感知方法的实施层次划分图。图2为高密度机场飞行区航空器滑行态势感知方法的核心原理图。图3为航空器离场滑行时间因子与离场累计流量因子之间的相关性分析结果。图4为航空器离场滑行时间因子与进场累计流量因子之间的相关性分析结果。图5为航空器离场滑行时间因子与起飞队列长度因子之间的相关性分析结果。图6为航空器离场滑行时间因子与降落队列长度因子之间的相关性分析结果。图7为高密度机场飞行区航空器滑行态势预测误差概率分布检验结果。具体实施方式：为了使本专利技术的目的、技术方案及优点更加清楚，以下结合7个附图与计算实例，对本专利技术进行进一步本文档来自技高网...

【技术保护点】
一种高密度机场飞行区航空器滑行态势感知方法，通过深入挖掘与关联分析高密度机场飞行区空中交通运行数据，对进离场航空器滑行态势要素进行分类提炼与准确识别，分析各类航空器滑行态势因子之间的相互影响关系，在获取高密度机场飞行区实时运行数据和进离场航空器运行状态的基础上，对航空器当前及未来滑行态势进行快速和准确感知，其特征在于：具体包括以下步骤步骤一：进行一级态势感知，本质是航空器滑行数据获取，即对高密度机场飞行区空中交通运行数据进行采集、预处理、深度挖掘与关联分析；步骤二：进行二级态势感知，本质是航空器滑行状态理解，即对高密度机场飞行区进离场航空器的当前滑行态势进行评估；步骤三：进行三级态势感知，本质是航空器滑行趋势预测，即对高密度机场飞行区进离场航空器的未来滑行态势进行预测。

【技术特征摘要】
1.一种高密度机场飞行区航空器滑行态势感知方法，通过深入挖掘与关联分析高密度机场飞行区空中交通运行数据，对进离场航空器滑行态势要素进行分类提炼与准确识别，分析各类航空器滑行态势因子之间的相互影响关系，在获取高密度机场飞行区实时运行数据和进离场航空器运行状态的基础上，对航空器当前及未来滑行态势进行快速和准确感知，其特征在于：具体包括以下步骤步骤一：进行一级态势感知，本质是航空器滑行数据获取，即对高密度机场飞行区空中交通运行数据进行采集、预处理、深度挖掘与关联分析；步骤二：进行二级态势感知，本质是航空器滑行状态理解，即对高密度机场飞行区进离场航空器的当前滑行态势进行评估；步骤三：进行三级态势感知，本质是航空器滑行趋势预测，即对高密度机场飞行区进离场航空器的未来滑行态势进行预测。2.如权利要求1所述的高密度机场飞行区航空器滑行态势感知方法，其特征在于：所述步骤一具体包括以下子步骤：(1.1)调研采集典型高密度机场飞行区空中交通运行数据，对空中交通管理部门、机场运行指挥部门、航空公司运行控制部门的不同航空运输参与方涉及到的多源异构航空器滑行数据进行预处理与统计分析；(1.2)对预处理后的航空器滑行数据进行深度挖掘与关联分析，提取航空器基本属性以及推出机位、跑道起飞、跑道降落、滑入机位的关键运行事件以及对应的时间点信息；(1.3)将所有进离场航空器在飞行区内运行的关键时间点信息进行存储，建立高密度机场飞行区航空器滑行活动OOOI时间库。3.如权利要求1所述的高密度机场飞行区航空器滑行态势感知方法，其特征在于：所述步骤二具体包括以下子步骤：(2.1)分类提炼高密度机场飞行区航空器滑行态势要素，构建涵盖场面瞬时流量因子、场面累计流量因子、起降队列长度因子、时隙资源需求因子和场面滑行时间因子5大类、26个因子的航空器滑行态势因子集合；(2.2)针对每一架进场航空器和离场航空器，对步骤(2.1)中的5大类、26个航空器滑行态势因子进行快速识别；(2.3)采用单因素相关性分析方法，对步骤(2.1)中的5大类航空器滑行态势因子之间的相互影响关系进行综合分析，重点明确进离场航空器场面滑行时间因子与其它四类滑行态势因子之间的相关性，在此基础上综合评估航空器当前滑行态势。4.如权利要求1所述的高密度机场飞行区航空器滑行态势感知方法，其特征在于：所述步骤三具体包括以下子步骤：(3.1)基于各类航空器滑行态势因子相关性分析结果，以场面滑行时间因子为因变量，以场面瞬时流...

【专利技术属性】
技术研发人员：尹嘉男，马园园，胡明华，陈丹，叶博嘉，
申请(专利权)人：南京航空航天大学，
类型：发明
国别省市：江苏;32